目标检测（Object Detection）原理与实现(三)

基于霍夫森林的目标检测

       上节说了霍夫变换（HT）和广义霍夫变换（GHT），今天就接着广义霍夫变换说下去，在广义霍夫变换中，每个投票元素（比如边缘像素中的点）在霍夫空间中累加投票的权重是相等的，每个元素投票的权重互不影响，这其实是假设了图像空间中的每个像素点是独立的，但现实是这样的吗？答案:不是，尤其是牵扯到我们今天的基于部件的投票时，这种投票元素互相独立的观点更站不脚，学过概率图模型(probabilistic graphic model)的都知道，图模型里有一种V结构，如（图一）所示：

（图一）

         X1,X2是投票元素，Y是我们在霍夫空间中的投票，假设我们观察Y时，或者说给定Y时，就是观察图像空间中的目标，假设X1和X2是目标生成的，X1和X2是独立的吗？很明显不是，这些元素应该向Y投票